Networking for Kubernetes

Kubernetes es una plataforma de código abierto para la planificación y orquestación de contenedores que automatiza el despliegue, el escalado, la conectividad de red y la gestión del ciclo de vida de las aplicaciones en contenedores. Ofrece abstracciones como pods, servicios e ingress para desacoplar las aplicaciones de la infraestructura subyacente, lo que permite su portabilidad entre entornos locales, en la nube y en el edge. Kubernetes se utiliza ampliamente para ejecutar microservicios, API y, cada vez más, cargas de trabajo de inteligencia artificial y aprendizaje automático (IA/ML), gracias a su escalabilidad, resiliencia y al respaldo de su ecosistema. El proyecto Kubernetes está alojado en la Cloud Native Computing Foundation (CNCF), una entidad dependiente de la Linux Foundation, una organización sin ánimo de lucro. Además, existen numerosas distribuciones de Kubernetes ofrecidas por distintos proveedores de software y SaaS.

La rentabilidad de Kubernetes empieza por controlar los costes operativos. Una de las principales prioridades operativas debe ser estandarizar las redes, la gestión del tráfico y la seguridad, en lugar de acumular herramientas específicas para cada clúster o nube. Las organizaciones reducen los costes operativos reutilizando una arquitectura coherente de Ingress y Gateway API, utilizando plantillas de despliegue y optimizando el uso de los recursos mediante el equilibrio de carga inteligente y la observabilidad. El rendimiento se mantiene mediante una infraestructura de red preparada para entornos de producción que ofrece un alto rendimiento, baja latencia y automatización a través de las API nativas de Kubernetes y los flujos de trabajo de GitOps.

F5 optimiza las redes de Kubernetes para IA/ML mediante una gestión inteligente del tráfico que va más allá del balanceo de carga básico por turnos (round-robin). F5 ofrece enrutamiento basado en modelos, gestión del tráfico de alto rendimiento en las capas L3–L7 y el rendimiento determinista que requieren las cargas de trabajo de inferencia y entrenamiento aceleradas por GPU.

A medida que las organizaciones amplían el uso de Kubernetes, es fácil que se produzca una proliferación descontrolada de clústeres y servicios de Kubernetes en la nube. Esto suele generar fragmentación en las redes, la seguridad y la observabilidad. El uso de distintos controladores de entrada, balanceadores de carga en la nube y modelos de políticas provoca desviaciones en la configuración, una aplicación incoherente de las medidas de seguridad y una visibilidad limitada de extremo a extremo. La complejidad operativa aumenta a medida que los equipos gestionan múltiples planos de control y cadenas de herramientas. Sin una capa de conectividad bien diseñada, ampliar Kubernetes entre distintos clústeres y nubes se traduce en mayores costes, una resolución de problemas más lenta y una menor fiabilidad.

La forma más sencilla de ejecutar Kubernetes en el edge es utilizar una distribución de Kubernetes ligera y coherente, combinada con un control centralizado de la red y la seguridad. Los entornos edge requieren un rendimiento predecible, componentes ligeros, una carga operativa mínima y compatibilidad con conexiones intermitentes. Al estandarizar la gestión del tráfico de entrada, el enrutamiento del tráfico y las políticas de seguridad en la infraestructura central, la nube y el edge, los equipos pueden desplegar Kubernetes a gran escala y mantener la visibilidad, el aislamiento y la automatización sin depender de servicios específicos de la nube.